针对电压等级的不断提高和输变电设备使用年限的增加,发生电网故障的风险也逐渐增加的问题,提出了一种基于MOPSO的输变电设备状态评估方法。首先,训练得到一系列基SVM分类器;然后,使用MOPSO算法选择一部分精度和多样性较高的SVM构建决策分类器,并将输变电设备分为多种不同的运行状态;最后,使用变压器油中的溶解气体数据进行仿真实验来评估变压器的状态,并与传统的SVM、IEC三比值法和BP神经网络算法进行比较。实验结果表明,所提出的算法能准确、有效地评估变压器的状态,相比传统的诊断方法其具有更高的准确率。 状态评估管理研究-电动数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机第33卷第8期电网与清洁能源体[15-17]（H2、CH4、C2H4、C2H6和C2H2）并溶解在变压器油中，通过分析变压器油中这些溶解的气体成分可以评估变压器的故障类型。通常将变压器故障分为局部放电（partialdischarge，PD）、本文由公司网站弯管机滚圆机滚弧机网站采集转载中国知网整理! http://www.gunyuanji.wang 电能放电（electricdischarge，ED）和过热（overheatingfaults，OHF）3类，具体包括：局部放电、低能放电、高能放电、低温热故障、中温热故障和高温热故障6种，见表1所示。在变压器状态诊断问题中，通常采用IEC三比值法[15]进行诊断，即比较R1=C2H2/C2H4，R2=CH4/H2，R3=C2H4/C2H6等比值。3.1数据集获取首先搜集测量了不同等级和容量的变压器的溶解气体成分，并选择了120组对应不同变压器运行状态的数据作为本文的研究数据集。其中90组作为训练样本，30组作为测试样本，样本统计如图2所示。3.2基分类器选择与参数设置使用RBF核SVM来构建基分类器，其核函数计算公式为K（xi，xj）=exp-||xi-xj||2σ222（8）式中，σ表示带宽，决定特征空间样本的分布，RBFSVM另外一个参数是惩罚系数C，这2个参数决定着SVM的性能。由于SVM是二分类器，因此本文先使用RBFSVM组合成多分类器来分类变压器的运行状态。分类器组合方法如图3所示，先将变压器分为正常和故障2类；然后区分出不同的故障类型，即先将PD和ED作为一类，OHF作为一类构建二分类SVM，分出OHF故障；最后，对PD和ED构建分类器，分出PD与ED故障。由此便实现了一个四分类系统。得到多分类SVM后，将该多分类器作为本文的基分类器，设置RBFSVM的参数C的范围为[0.1，100]，参数σ的范围为[0.1，10]；MOPSO的粒子群个数为5，最大进化代数为3状态评估管理研究-电动数控滚圆机滚弧机折弯机张家港滚圆机滚弧机折弯机本文由公司网站弯管机滚圆机滚弧机网站采集转载中国知网整理! http://www.gunyuanji.wang